深度学习算法评价标准AP bbox bev 3d

深度学习算法的检测指标

深度学习算法测试的数据集一般采用公开的数据集进行训练和测试，比如常用的KITTI数据集。 深度学习算法的检测指标通常由bbox、bev、3d、aos四个检测指标

在这里插入图片描述

上述四个检测指标的含义：

bbox：2D检测框的准确率 bev：BEV视图下检测框的准确率 3d：3D检测框的准确率 aos：检测目标旋转角度的准确率

这篇博客介绍了SA-SSD算法的3D框指标计算的代码

因为SA-SSD算法采用的是mmdetection架构，这篇文章详细介绍了mmdetection中configs中各项参数的解释

上面图中给出car AP @0.7 0.7 0.7 和car AP @0.7 0.5 0.5。

car AP @0.7 0.7 0.7

表示的是不同难度情况下算法的平均精度（难度评价根据所标注包围框是否被遮挡、遮挡程度进行评价），AP表示的是平均精度、0.7表示的是最小IOU（交并比），如下图所示：

在这里插入图片描述

当然，不同算法的关于检测指标的代码也有所不同，比如PointPillars的检测指标介绍了coco方式

最后，给大家分享下3D目标检测的结果

在这里插入图片描述

发布者：全栈程序员栈长，转转请注明出处：https://javaforall.cn/2139.html原文链接：